如何将语句切分为最多n词的字符串？求R语言快速实现方法

问题 #

给定这段文本：

passage <- "Approximately 60 cases have been reported in the medical literature. Onset is in infancy."

需要把它切分成最多包含3个词的滑动字符串块，最终输出要和示例一致。

解决方案 #

用基础R就能快速实现，不需要额外安装包，步骤如下：

1. 拆分文本为单个词的向量

words <- strsplit(passage, " ")[[1]]

2. 遍历每个词的位置，生成1到3个词的滑动组合

word_count <- length(words)
output <- unlist(lapply(1:word_count, function(pos) {
  # 计算当前位置能取到的最大词数（最多3个）
  max_words <- min(3, word_count - pos + 1)
  # 生成1到max_words个词的拼接字符串
  sapply(1:max_words, function(k) paste(words[pos:(pos + k - 1)], collapse = " "))
}))

3. 查看结果

print(output)

原理说明 #

• strsplit按空格把文本拆分成独立的词向量，这是后续操作的基础。
• 遍历每个词的位置pos，对每个位置，先确定能取到的最大词数（不能超过3个，也不能超出剩余词的数量）。
• 对每个位置，生成1、2（如果有）、3（如果有）个词的拼接结果，最后用unlist把所有结果合并成一个向量，就是需要的输出。

如果你习惯用purrr包，也可以用map系列函数替代lapply，但基础R的写法已经足够高效，无需额外依赖。

内容的提问来源于stack exchange，提问作者Adrian